Module also offered within study programmes:
General information:
Name:
Digital Image Processing
Course of study:
2012/2013
Code:
DGK-2-104-GN-s
Faculty of:
Mining Surveying and Environmental Engineering
Study level:
Second-cycle studies
Specialty:
Real Estate Taxation and Cadastre
Field of study:
Geodesy and Cartography
Semester:
1
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr hab. inż, prof. AGH Mikrut Sławomir (smikrut@agh.edu.pl)
Academic teachers:
dr hab. inż, prof. AGH Mikrut Sławomir (smikrut@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Potrafi działać samodzielnie i jest kreatywny w rozwiązywaniu problemów. GK2A_K01 Activity during classes
Skills
M_U001 Potrafi wykonać podstawowe operacje na obrazach cyfrowych w tym: filtracje obrazów cyfrowych przy pomocy odpowiednich algorytmów oraz kompresję stratną i bezstratną. Potrafi automatyzować procesy. GK2A_U16 Execution of laboratory classes,
Test
Knowledge
M_W001 Syntetyczna wiedza z zakresu stosowanych metod przetwarzania obrazu cyfrowego GK2A_W01 Examination
M_W002 Znajomość metod kompresji i filtracji obrazów cyfrowych oraz automatyzacji procesów na obrazach cyfrowych. GK2A_W05 Examination
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Potrafi działać samodzielnie i jest kreatywny w rozwiązywaniu problemów. - - + - - - - - - - -
Skills
M_U001 Potrafi wykonać podstawowe operacje na obrazach cyfrowych w tym: filtracje obrazów cyfrowych przy pomocy odpowiednich algorytmów oraz kompresję stratną i bezstratną. Potrafi automatyzować procesy. - - + - - - - - - - -
Knowledge
M_W001 Syntetyczna wiedza z zakresu stosowanych metod przetwarzania obrazu cyfrowego + - - - - - - - - - -
M_W002 Znajomość metod kompresji i filtracji obrazów cyfrowych oraz automatyzacji procesów na obrazach cyfrowych. + - - - - - - - - - -
Module content
Lectures:
  1. Podstawowe definicje w przetwarzaniu obrazów cyfrowych

    Podstawowe definicje stosowane w przetwarzaniu obrazów cyfrowych, przykłady prostych obrazów stosowanych w geodezji i kartografii, obrazy wielospektralne. System dziesiętny a binarny (zapis obrazu w komputerze).

  2. Metody pozyskiwania obrazów cyfrowych

    Metody pozyskiwania obrazów cyfrowych: bezpośrednie, pośrednie. Próbkowanie, kwantyzacja. Rozdzielczość geometryczna, spektralna, radiometryczna, przestrzenie barw. Kompresja bezstratna i stratna obrazów cyfrowych.

  3. Kompresja i filtracja obrazów cyfrowych

    Bezstratne i stratne metody kompresji obrazów cyfrowych. Podział filtrów. Filtry liniowe i nieliniowe. Konwolucja. Filtry górno i dolno przepustowe. Wydobywanie krawędzi. Filtracja w przestrzeni częstotliwości. Usuwanie szumu z obrazu. Tekstura i struktura obrazu.

  4. Przetwarzanie geometryczne obrazów

    Przetwarzanie geometryczne obrazów: obrót, zmiana skali, rzutowanie obrazu na powierzchnie. Transformacje: Helmerta, afiniczna, rzutowa, wielomianowa, elementów skończonych. Powtórne próbkowanie. Piramidy obrazowe. Dopasowanie obrazów. Zastosowanie algorytmów analizy obrazu.

  5. Cyfrowe przetwarzanie obrazu – przykłady praktyczne

    Przetwarzanie obrazu w przykładowych projektach. Działania na obrazach wielospektralnych. Metoda głównych składowych. Łączenie obrazów o różnych rozdzielczościach geometrycznych. Technika Pansharpening – przykłady. Steganografia.

Laboratory classes:
  1. Podstawowe operacje na obrazach cyfrowych

    Podstawe operacje na obrazach cyfrowych. Proste operacje na histogramie.

  2. Kompresja obrazu cyfrowego

    Wykonanie ćwiczenia związanego z analizą wpływu tekstury obrazu cyfrowego na stopień kompresji.

  3. Filtracja obrazu cyfrowego

    Wykonanie przykładowego ćwiczenia związanego z filtracją obrazu cyfrowego przy pomocy różnych algorytmów.

  4. Automatyzacja pomiaru na obrazie cyfrowym

    Wykonanie ćwiczenia polegającego na napisaniu skrypu rozwiązującego w sposób automatyczny wybrane zagadnienia z przetwarzania obrazów.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 87 h
Module ECTS credits 3 ECTS
Participation in laboratory classes 15 h
Preparation for classes 15 h
Preparation of a report, presentation, written work, etc. 20 h
Participation in lectures 15 h
Realization of independently performed tasks 20 h
Examination or Final test 2 h
Additional information
Method of calculating the final grade:

Na ocenę końcową składa się średnia z ocen cząstkowych:
- ocena z laboratoriów,
- ocena z egzaminu.

Prerequisites and additional requirements:

Podstawy informatyki.

Recommended literature and teaching resources:

1. Gonzales R.C., Woods R.E., 2008, Digital Image Processing, Third Edition. Pearson Education, Inc.
2. Bishop C.M., 2006, Pattern Recognition and Machine Learning, Springer.
3. Malina W., Siemiatacz M.,2005, Metody cyfrowego przetwarzania obrazów. EXIT.
4. Skarbek W., 1993, Metody reprezentacji obrazów cyfrowych. Akademicka Oficyna Wydawnicza PLJ, Warszawa.
5. Tadeusiewicz R., Korohoda P., 1997, Komputerowa analiza obrazów. Wydawnictwo Fundacji Postępu Komunikacji, Kraków.

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None